Présentation des robots d'exploration et des extracteurs Google (user-agents)
Google utilise des robots d'exploration et des extracteurs pour effectuer des actions sur ses produits soit automatiquement, soit à la demande de l'utilisateur.
Le terme générique "robot d'exploration", ou plus simplement "robot", désigne tout programme qui permet de découvrir et d'analyser automatiquement des sites Web en suivant des liens d'une page Web à une autre. Le robot d'exploration principal de Google utilisé pour la recherche Google s'appelle Googlebot.
Les extracteurs, comme les navigateurs, sont des outils qui demandent une seule URL suite à la requête d'un utilisateur.
Les tableaux suivants présentent les robots d'exploration et extracteurs Google utilisés par différents produits et services. Vous pouvez également y voir comment les journaux d'URL de provenance s'affichent, ainsi que la manière de les spécifier dans le fichier robots.txt. Les listes ne sont pas exhaustives, elles ne couvrent que les demandeurs les plus courants pouvant apparaître dans les fichiers journaux.
-
Le jeton user-agent est utilisé dans la ligne
User-agent:du fichier robots.txt pour indiquer le type de robot d'exploration lors de l'écriture des règles d'exploration pour votre site. Comme indiqué dans le tableau, certains robots utilisent plusieurs jetons. Un seul jeton de robot doit correspondre pour qu'une règle s'applique. Cette liste n'est pas exhaustive, mais couvre la plupart des robots d'exploration que vous êtes susceptible de voir sur votre site Web. - La chaîne user-agent complète est une description complète du robot d'exploration. Elle apparaît dans la requête HTTP ainsi que dans vos journaux Web.
Robots d'exploration courants
Les robots d'exploration courants de Google permettent de trouver des informations pour créer les index de recherche de Google, d'effectuer d'autres explorations spécifiques à un produit et de procéder à des analyses. Ils respectent toujours les règles du fichier robots.txt et explorent généralement les plages d'adresses IP publiées dans l'objet googlebot.json.
| Robots d'exploration courants | |||||
|---|---|---|---|---|---|
Googlebot pour smartphone |
|
||||
Googlebot pour ordinateur |
|
||||
Googlebot Image |
Permet d'explorer les URL d'image pour Google Images et les produits qui en dépendent.
|
||||
Googlebot-News |
Googlebot-News utilise Googlebot pour explorer les articles d'actualités. Toutefois, il respecte son jeton user-agent historique,
|
||||
Googlebot Video |
Permet d'explorer les URL vidéo pour Google Vidéos et les produits qui en dépendent.
|
||||
Google StoreBot |
Google StoreBot explore certains types de pages, y compris, mais sans s'y limiter, les pages d'informations détaillées sur les produits, les pages du panier et les pages de règlement.
|
||||
Google-InspectionTool |
Google-InspectionTool est le robot d'exploration utilisé par les outils de test de la Recherche, tels que le test des résultats enrichis et l'inspection des URL dans la Search Console. Hormis pour le user-agent et le jeton user-agent, il imite Googlebot.
|
||||
GoogleOther |
GoogleOther est le robot d'exploration générique dont différentes équipes produit peuvent se servir pour extraire du contenu accessible au public sur les sites. Par exemple, il peut être utilisé pour des explorations ponctuelles à des fins de recherche et de développement internes.
|
||||
GoogleOther-Image |
GoogleOther-Image est la version de GoogleOther optimisée pour extraire les URL d'images accessibles au public.
|
||||
GoogleOther-Video |
GoogleOther-Video est la version de GoogleOther optimisée pour extraire des URL de vidéos accessibles au public.
|
||||
Google-CloudVertexBot |
Google-CloudVertexBot explore les sites à la demande de leurs propriétaires lors de la création d'Agents Vertex AI.
|
||||
Google-Extended |
|
||||
Robots d'exploration spéciaux
Les robots d'exploration spéciaux sont utilisés par des produits spécifiques qui font l'objet d'un accord entre le site exploré et le produit concerné. Par exemple, AdsBot ignore le user-agent robots.txt global (*) avec l'autorisation de l'éditeur de l'annonce. Les robots d'exploration spéciaux peuvent ignorer les règles du fichier robots.txt. Ils fonctionnent donc sur une plage d'adresses IP différente de celle des robots d'exploration courants. Les plages d'adresses IP sont publiées dans l'objet special-crawlers.json.
| Robots d'exploration spéciaux | |||||
|---|---|---|---|---|---|
APIs-Google |
User-agent utilisé par les API Google pour envoyer des messages de notification push. Ignore le user-agent global (
|
||||
AdsBot Mobile Web |
Vérifie la qualité des annonces sur les pages Web pour mobile.
Ignore le user-agent global (
|
||||
AdsBot |
Vérifie la qualité des annonces sur les pages Web pour ordinateur.
Ignore le user-agent global (
|
||||
AdSense |
Le robot AdSense visite votre site afin d'évaluer son contenu et de vous permettre ainsi de proposer des annonces pertinentes. Ignore le user-agent global (
|
||||
Mobile AdSense |
Le robot d'exploration AdSense pour mobile visite votre site afin d'évaluer son contenu et de vous permettre ainsi de proposer des annonces pertinentes. Ignore le user-agent global (
|
||||
Google-Safety |
Le user-agent Google-Safety gère l'exploration spécifique aux abus, comme la détection de logiciels malveillants pour les liens publiés publiquement sur les propriétés Google. Ce user-agent ignore les règles du fichier robots.txt.
|
||||
Extracteurs déclenchés par l'utilisateur
Les extracteurs déclenchés par l'utilisateur permettent d'exécuter une fonction d'extraction spécifique au produit. Par exemple, Google Site Verifier agit à la demande d'un utilisateur, ou un site hébergé sur Google Cloud (GCP) dispose d'une fonctionnalité qui permet à ses utilisateurs de récupérer un flux RSS externe. Étant donné que l'extraction a été demandée par un utilisateur, ces extracteurs ignorent généralement les règles du fichier robots.txt. Les plages d'adresses IP utilisées par les extracteurs déclenchés par l'utilisateur sont publiées dans les objets user-triggered-fetchers.json et user-triggered-fetchers-google.json.
| Extracteurs déclenchés par l'utilisateur | |||||
|---|---|---|---|---|---|
Feedfetcher |
Feedfetcher est utilisé pour l'exploration des flux RSS ou Atom pour Google Podcasts, Google Actualités et PubSubHubbub.
|
||||
Centre pour les éditeurs de Google |
Récupère et traite les flux que les éditeurs ont explicitement fournis via le Centre pour les éditeurs de Google à utiliser sur les pages de destination de Google Actualités.
|
||||
Google Read Aloud |
À la demande de l'utilisateur, Google Read Aloud récupère et lit les pages Web à l'aide de la synthèse vocale.
|
||||
Google Site Verifier |
Google Site Verifier récupère les jetons de validation de la Search Console.
|
||||
Remarque concernant Chrome/W.X.Y.Z dans les user-agents
Chaque fois que vous voyez Chrome/W.X.Y.Z dans les chaînes du user-agent dans ce tableau, sachez que W.X.Y.Z est un espace réservé qui correspond à la version du navigateur Chrome utilisée par ce user-agent (par exemple, 41.0.2272.96). Ce numéro de version augmente au fil du temps afin de représenter la dernière version de Chromium utilisée par Googlebot.
Si vous effectuez une recherche dans vos journaux ou si vous filtrez votre serveur afin d'identifier un user-agent avec ce format, utilisez des caractères génériques pour le numéro de version au lieu de spécifier un numéro de version précis.
User-agents dans le fichier robots.txt
Lorsque plusieurs user-agents sont reconnus dans le fichier robots.txt, Google suit le plus spécifique d'entre eux. Si vous souhaitez que tous les robots d'exploration de Google puissent explorer vos pages, vous n'avez pas besoin de fichier robots.txt. En revanche, si vous voulez bloquer ou autoriser l'accès des robots d'exploration de Google à certains de vos contenus, vous pouvez indiquer Googlebot comme user-agent. Par exemple, si vous souhaitez que toutes vos pages s'affichent dans la recherche Google et que des annonces AdSense soient diffusées sur celles-ci, vous n'avez pas besoin de fichier robots.txt. De même, si vous souhaitez empêcher Google d'accéder à certaines pages, vous pouvez bloquer le user-agent Googlebot. Tous les autres user-agents de Google seront alors bloqués eux aussi.
Toutefois, vous pouvez contrôler l'exploration de vos pages de manière plus précise. Par exemple, vous souhaiterez peut-être que toutes vos pages s'affichent dans la recherche Google, mais que les images de votre répertoire personnel ne soient pas explorées. Dans ce cas, utilisez le fichier robots.txt pour interdire au user-agent Googlebot-Image d'explorer les fichiers de votre répertoire personnel (tout en autorisant Googlebot à explorer tous vos fichiers) :
User-agent: Googlebot Disallow: User-agent: Googlebot-Image Disallow: /personal
Prenons un autre exemple. Supposons que vous souhaitiez voir s'afficher des annonces sur l'ensemble de vos pages. Toutefois, vous ne voulez pas que ces pages s'affichent dans la recherche Google. En utilisant ces lignes de code, vous bloquez Googlebot, mais autorisez le user-agent Mediapartners-Google :
User-agent: Googlebot Disallow: / User-agent: Mediapartners-Google Disallow:
Contrôler la vitesse d'exploration
Chaque robot d'exploration Google accède aux sites à des fins spécifiques et à une fréquence qui varie. Google utilise des algorithmes pour déterminer la vitesse d'exploration optimale pour chaque site. Si un robot d'exploration Google explore votre site trop souvent, vous pouvez réduire sa vitesse d'exploration.
Robots d'exploration Google désactivés
Les robots d'exploration Google suivants ne sont plus utilisés et ne sont notés ici qu'à titre indicatif.
| Robots d'exploration Google désactivés | |||||
|---|---|---|---|---|---|
Duplex sur le Web |
Compatible avec le service Duplex sur le Web
|
||||
Web Light |
Vérifiait de la présence de l'en-tête
|
||||
AdsBot Mobile Web |
Vérifie la qualité des annonces sur les pages Web pour iPhone.
Ignore le user-agent global (
|
||||
Mobile Apps Android |
Vérifie la qualité des annonces sur les pages d'applications Android.
Respecte les règles des robots
|
||||
Google Favicon |
|
||||